APLICAÇÃO DAS TÉCNICAS DE PLANEJAMENTO

E ANÁLISE DE EXPERIMENTOS NO PROCESSO

DE INJEÇÃO PLÁSTICA

Edwin V. Cardoza Galdamez

Luiz C. Ribeiro Carpinetti
Departamento de Engenharia de Produção,
Escola de Engenharia de São Carlos, USP,
Avenida Trabalhador Sancarlense, 400, CEP 13566-590, São Carlos, SP,
e-mails: cardoza@prod.eesc.usp.br e carpinet@prod.eesc.usp.br

Recebido em 12/2/2003
Aceito em 19/2/2004
v.11, n.1, p.121-134, jan.-abr. 2004

Resumo

Experimentos industriais são realizados pelas empresas com o intuito de melhorar o desempenho dos produtos e os
processos de fabricação. Nesse sentido, este trabalho tem por objetivo estudar e aplicar as técnicas de planejamento e
análise de experimentos na melhoria da qualidade industrial. Especificamente são aplicadas as técnicas de planejamento
Fatorial Fracionado 2 k-p, Metodologia de Superfície de Resposta e Análise de Variância, em um processo de moldagem
por injeção plástica. Com essa pesquisa experimental foi possível identificar os níveis ótimos de regulagem e os
parâmetros mais importantes da injeção plástica: temperatura da máquina e pressão de injeção. Para finalizar é
avaliado o procedimento de implementação das técnicas de experimentação e as dificuldades práticas encontradas na
empresa.
Palavras-chave: experimentos industriais, fatoriais fracionados 2k-p, metodologia de superfície de resposta, processo de
moldagem por injeção plástica.

1. Introdução Com o objetivo de identificar os parâmetros de controle

Nos últimos anos, percebe-se que os produtos utilizados
e comercializados por diferentes setores da indústria brasileira
(construção civil, calçados, brinquedos, agricultura, utilidades
domésticas, saúde, embalagens, eletroeletrônicos, aviação
e automobilístico) vêm sendo fabricados cada vez mais com
diferentes resinas termoplásticas. A evolução do consumo
desses materiais é produzida pelo avanço tecnológico dos
equipamentos de fabricação, padrões de qualidade, redução
do peso dos produtos, facilidade de fabricação, exigências
ambientais, consumidores, custos de aplicação e pelas
vantagens comerciais que esses produtos representam para
a economia nacional (Gazeta Mercantil, 2002). Portanto,
nota-se que para tornar esse setor mais competitivo e
produtivo é necessário que as empresas busquem reduzir as
perdas econômicas decorrentes da má qualidade dos produtos
e processos de fabricação.
do processo de moldagem plástica por injeção que mais
ocasionam problemas de qualidade aos produtos, assim
como determinar quais os melhores valores de ajustagem
desses parâmetros para minimizar os problemas, o presente
trabalho descreve a aplicação e o processo de imple-
mentação das técnicas de planejamento e análise de
experimentos industriais em uma empresa do setor de
plásticos.
O projeto contribui com o processo de divulgação das
ferramentas de qualidade no País. Isso é importante porque
pesquisas realizadas no Brasil demonstram que tais métodos
são pouco difundidos entre as empresas (Kruglianskas, 1995).
O trabalho do autor afirma que, apesar do avanço das
metodologias de gestão de melhoria da qualidade e mudança
empresarial, há deficiências técnicas específicas relacionadas
ao desenvolvimento de projetos de produtos e processos de
fabricação. Tais deficiências são decorrentes da falta de
122 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...

conhecimento estatístico que os gerentes, funcionários e
engenheiros das empresas enfrentam ao usar as ferramentas
de qualidade.
A seguir são descritas as técnicas de planejamento e
análise de experimentos utilizadas no processo de
fabricação. Em seguida, serão apresentados os resultados
e as análises estatísticas dos experimentos. Para finalizar,
são discutidas algumas recomendações e conclusões sobre
o processo de implementação dessas ferramentas estatísticas
de qualidade.
2. Técnicas de planejamento e
análise de experimentos
Para Montgomery (1991), as técnicas de planejamento
e análise de experimentos (Design of Experiment – DOE)
são utilizadas para melhorar as características de qualidade
dos produtos e processos de fabricação, reduzir o número
de testes e otimizar o uso de recursos da empresa (material,
tempo dos funcionários, disponibilidade de equipamentos, etc.).
Com a finalidade de melhorar a qualidade industrial, a
produtividade, o desempenho do produto final, os custos das
operações, entre outras características, as empresas realizam
vários experimentos para encontrar os níveis ótimos dos
parâmetros que regulam seus processos de fabricação. Alguns
dos problemas encontrados ao realizar os ensaios é a neces-
sidade de estudar simultaneamente o efeito dos fatores com
diferentes níveis de regulagens. Nesse caso, observa-se que
o número de testes requeridos para a experimentação tende
a crescer à medida que a quantidade de fatores aumenta. Isso
torna os experimentos industriais inviáveis economicamente,
visto que os custos e o tempo de execução são elevados.
Antony et al. (1998), Coleman & Montgomery (1993),
Montgomery (1991) e Steinberg & Hunter (1984) afirmam
que tais problemas podem ser contornados quando os ex-
perimentos são planejados e analisados com métodos e
técnicas estatísticas.
Os objetivos dessas ferramentas são garantir que as
informações sejam confiáveis e que os recursos disponíveis
para experimentação sejam bem utilizados (Coleman &
Montgomery, 1993; Montgomery, 1991). Um resumo das
principais ferramentas é apresentado no Quadro 1. Para
outras informações, os autores recomendam consultar a
bibliografia específica do tema.

Quadro 1 – Descrição das técnicas de planejamento e análise de experimentos.

Ferramenta Características Bibliografia

Planejamento Utilizada quando todas as combinações dos níveis dos fatores de
fatorial controle são realizadas.
Planejamento Montgomery (1991),
Técnica com dois níveis e 2k número de combinações de k fatores.
fatorial 2k Devor et al. (1992),
Chew (1957)
Planejamento Utilizado quando há vários fatores de controle e não é viável
fatorial economicamente para as empresas realizar todas as combinações dos
fracionado 2k-p experimentos.
Response surface methodology (MSR) é um conjunto de técnicas de
planejamento e análise de experimentos usadas na modelagem
Metodologia de
matemática de respostas. Ou seja, procura-se identificar o
superfície de
relacionamento que existe entre os parâmetros, representados por Hill & Hunter (1966),
resposta
variáveis quantitativas, como tempo, velocidade, pressão, temperatura, Myers & Montgomery
etc., e as respostas do sistema analisado. (1995)
Planejamento
Esse método consiste em adicionar um ponto de experimentação no
fatorial 2k, com
nível intermediário aos níveis investigados para os k fatores de controle.
pontos centrais

Análise de Analysis of variance (ANOVA), é uma ferramenta que permite estudar

variância se há diferenças significativas entre as respostas experimentais.

Os gráficos de efeitos principais ilustram a variação média das

respostas em função da mudança no nível de um fator, mantendo os
outros fatores constantes. Montgomery (1991),
Os gráficos de efeitos de interação descrevem a variação média de um Devor et al. (1992)
Gráficos fator em função dos níveis de outros fatores.
O gráfico de probabilidade normal é utilizado nas situações em que não
é possível repetir um experimento e é importante obter uma estimativa
independente do erro experimental para julgar a importância dos efeitos
principais e de interação.
 GESTÃO & PRODUÇÃO, v.11, n.1. p.121-134, jan.-abr. 2004
3. Experimentos industriais
Os conceitos das técnicas de planejamento e análise de
experimentos foram aplicados em uma empresa do setor de
resinas termoplásticas, localizada no interior do Estado de
São Paulo. As principais atividades da empresa são o desen-
volvimento, a fabricação, a montagem e a comercialização
de produtos de plástico (assentos sanitários, armários e
espelhos, caixas d'água, banheiras, acessórios para banheiros,
cantoneiras e chuveiros, válvulas e adaptadores e mangueiras).
Na fase inicial do projeto experimental percebeu-se que
já estavam sendo implementadas na empresa algumas ações
de melhoria no desenvolvimento de produtos. Dessa forma,
a aplicação dos conceitos de projetos experimentais nessa
etapa limitava os benefícios que poderiam ser alcançados.
No entanto, a companhia vinha enfrentando problemas de
qualidade nos processos de fabricação, gerando perdas
econômicas e problemas com os clientes (insatisfação, atraso
e devolução dos produtos).
Com essas informações, a equipe responsável (pes-
quisadores, gerentes do controle de qualidade e a engenharia
de processos) por conduzir os testes decidiu que a pesquisa
se concentraria na engenharia de processos. Ou seja, o
principal objetivo do projeto seria melhorar as características
de qualidade de um dos processos de fabricação. Espe-
cificamente, foi selecionado o processo de moldagem
plástica por injeção por ser o mais crítico e com o maior
número de problemas de qualidade.
3.1 Informações técnicas do processo de
fabricação
No processo de moldagem plástica por injeção, os grâ-
nulos do polímero são fundidos no cilindro da máquina e,
em estado líquido, é injetado no molde por um pistão (Figura
1). Os principais parâmetros de controle são:
• tempo de ciclo: é o tempo necessário para completar
o ciclo de injeção;
• velocidade de injeção: é a velocidade de avanço do
pistão da máquina injetora;
• tempo de injeção: é o tempo que a máquina utiliza para
realizar a operação de injeção e, eventualmente, o recalque
da peça injetada;
• tempo de resfriamento: é o tempo que a máquina perma-
nece parada e, ao mesmo tempo, água industrial (gelada)
ou água normal circula pelo molde;
• temperatura do molde: fator controlado pela quantidade
de água que passa pelos canais de circulação do molde;
• temperatura da máquina: é a temperatura do cilindro
da máquina que determina a temperatura do material
que será injetado no molde;
123
• pressão de injeção: é a pressão com que o material é
injetado no molde;
• pressão de fechamento: é a pressão utilizada para regular
e fechar o molde; e
• pressão de recalque: é a pressão que atua dentro do tempo
de recalque. Essa operação é realizada no processo de
moldagem plástica para garantir que todas as cavidades
do molde sejam completamente preenchidas.
Os principais defeitos que ocorrem nesse processo em
razão da variação constante dos parâmetros de controle são:
rebarba ou falha, deformação geométrica do componente,
erros dimensionais, bolhas de ar, as linhas de encontro do
fluxo do polímero aparecem com intensidade e o com-
ponente é frágil.
Segundo Cominatto (1997), a falha é decorrente de
pouco material injetado no molde. Isso pode ocorrer
quando a pressão é insuficiente, o tempo de injeção é
pequeno ou o material não está totalmente fundido. Por
outro lado, quando muito material é injetado no molde,
isto é, o tempo de injeção e a pressão de injeção são ele-
vados, ocorre a rebarba. Os defeitos geométricos de de-
formação e os erros dimensionais ocorrem quando o
material é injetado a uma temperatura elevada e o tempo
de resfriamento é pequeno. As bolhas de ar internas
aparecem quando a pressão de injeção é baixa e a tem-
peratura do cilindro é alta, porque o molde está frio ou o
sistema de canais de alimentação é deficiente. Finalmente,
o componente é frágil quando o ciclo de trabalho é irre-
gular, o sistema de alimentação é deficiente ou o material
não alcançou a temperatura ideal de trabalho.
Percebe-se que os defeitos que ocorrem nos componentes
moldados por injeção podem ter mais de uma causa provável.
Uma prática adotada pela empresa para regular o processo
e reduzir os defeitos é a construção de uma ficha técnica para
cada um dos produtos fabricados. Nesse cadastro são apre-
sentados, com base no conhecimento prático dos funcio-
nários, os valores dos parâmetros que os operários devem
utilizar na hora de regular a máquina, durante o funcio-
namento ou na etapa de preparação (set-up).
Isto é, ao notar os defeitos no processo, o responsável
pelo setor da manufatura deve mudar os valores dos fatores
de controle, até obter resultados com qualidade satisfatória.
Porém, ainda que os operadores da máquina e supervisores
tenham grande conhecimento e experiência nos processos
de fabricação utilizados pela empresa, eles perdem muito
tempo e material para encontrar as regulagens ideais.
Portanto, percebe-se que aplicar e apresentar aos
funcionários os conceitos das técnicas de planejamento
e análise de experimentos é importante, visto que isso
poderá reduzir esses problemas e determinar com mais
segurança os níveis dos fatores que influenciam o processo
de fabricação.
124 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...
3.2 Seleção dos fatores de controle, níveis
de ajustagem e variáveis de respostas
A partir das reuniões, verificou-se que, entre todos
os fatores de controle, os que mais afetam a qualidade
do resultado do processo são: tempo de injeção, tempo
de resfriamento, temperatura do molde, temperatura da
máquina, velocidade de injeção e pressão de injeção.
Esses fatores foram selecionados porque respondem mais
rápido às mudanças que ocorrem nas regulagens do
processo e são os mais sensíveis às variações provocadas
pelas fontes internas e externas ao processo (Cominatto,
1997). Ainda nos estudos realizados por Acharya &
Mahesh (1999), Engel & Huele (1996), Taguchi (1993) &
Montgomery (1991), alguns desses fatores foram
investigados e considerados como os principais no
processo de injeção plástica. A ficha técnica do processo
de fabricação e os níveis de ajustagem dos fatores de
controle para a primeira rodada de experimentos são
apresentados na Tabela 1.
É importante ressaltar que, apesar de o componente plás-
tico ser produzido e comercializado há vários anos, no início
desta etapa não existia essa ficha técnica. Assim, para reunir
tais informações foi necessário programar junto com a área
de planejamento e controle de produção a fabricação do
produto.
Nesse caso, os pesquisadores apenas observaram e
acompanharam o método que os funcionários utilizam para
regular o processo de injeção plástica. Segundo a equipe
Figura 1 – Processo de moldagem plástica por injeção.
Tabela 1 – Ficha técnica e níveis de ajustagem utilizados no experimento.
Fatores Ficha técnica
1. Tempo de injeção 3 segundos (s)
2. Tempo de resfriamento 7 segundos (s)
3. Temperatura do molde água industrial/água normal
Z1 = 190°C Z3 = 175°C
4. Temperatura da máquina
Z2 = 180°C Z4 = 170°C
5. Velocidade de injeção 50%
6. Pressão de injeção 20 BAR
responsável por acompanhar os experimentos industriais,
as variáveis de resposta que deveriam ser analisadas eram:
falha ou rebarba, erro dimensional e deformação geométrica
dos componentes. Essas respostas foram consideradas
porque são as que mais ocorrem e representam as maiores
perdas econômicas no processo de fabricação.
No projeto experimental, para avaliar a falha e a rebarba
do componente plástico foi construída uma escala variando
entre as notas –10 (falha) e +10 (rebarba). Para os problemas
de deformação e erro dimensional, a escala varia de 0 a 10,
sendo que a nota 10 é dada quando o produto apresenta
deformação ou erro dimensional e 0 quando o componente
plástico é aprovado pelo controle de qualidade.
3.3 Identificação dos principais
fatores de controle
Considerando-se os seis fatores de controle e seus dois
níveis de ajustagem, foi construída a matriz de planejamento.
Com o objetivo de reduzir o número de fatores de controle
e facilitar o planejamento dos experimentos, todas as zonas
de temperatura da máquina foram consideradas como um
único fator do processo. Observou-se, ainda, que nesse caso
era inviável executar o experimento completo, decidindo-
se, por isso, utilizar a técnica de Fatorial Fracionado 2k-p
(k = 6 e p = 2), com resolução IV. Com o experimento
Fatorial Fracionado 26-2 – (Tabela 2), foi possível reduzir
o número de experimentos, o tempo de execução e o
consumo do material de transformação.
Níveis de ajustagem
–1 +1
2 (s) 10 (s)
6 (s) 15 (s)
água industrial água normal
Z1: 190°C Z3: 165°C Z1: 190°C Z3: 230°C
Z2: 170°C Z4: 160°C Z2: 240°C Z4: 220°C
40% 100%
18 BAR 30 BAR
 GESTÃO & PRODUÇÃO, v.11, n.1. p.121-134, jan.-abr. 2004 125

Para realizar os ensaios utilizou-se um molde com quatro
cavidades e cada uma das combinações dos fatores de
controle foi realizada cinco vezes.
Ainda, por conveniência, determinou-se que a se-
qüência dos testes seria definida pela temperatura da
máquina. Isso era necessário porque o tempo de esta-
bilização da temperatura do cilindro é muito grande, fato
que inviabilizaria a realização dos experimentos em
apenas um dia se fosse necessário alternar o nível desse
fator de controle.
3.3.1 Análise de resultados
Nesta fase do procedimento experimental, utilizando-se
a escala numérica definida anteriormente, as pessoas respon-
sáveis pelo controle de qualidade dos produtos classificaram
os componentes plásticos. A média dos resultados é apre-
sentada na Tabela 3. Com os dados dessa tabela são estimados
os efeitos principais e de interação, conforme a Tabela 4.
Nesta, observa-se que entre os efeitos principais, os mais
significativos são E4 e E6. Entre os efeitos de interação, os
mais significativos são E15, E23 e E46, entretanto, estão
confundidos. Assim, com esses resultados torna-se difícil
determinar qual a combinação mais importante do processo
de moldagem plástica por injeção.
A Figura 2 apresenta os gráficos de probabilidade normal
do experimento, nos quais observa-se que alguns efeitos
principais e de interação encontram-se distantes da reta. Isso
indica que esses efeitos são significativamente diferentes
de zero. A partir do gráfico de Falha/Rebarba percebe-se
que os principais efeitos significativos são: pressão de
injeção e temperatura da máquina (E4 e E6). Quanto aos
outros efeitos, verifica-se que estão distribuídos ao longo
de uma reta, portanto, não são significativos no processo
de injeção plástica.
No gráfico de Deformação verifica-se que os efeitos de
interação dos fatores E 15, E 23 e E46 são significativos, porém,
estão confundidos e dificilmente pode-se afirmar qual é o
mais importante no processo de fabricação.
Por meio do gráfico de Erros Dimensionais, verifica-
se novamente que os efeitos de interação mais significativos
são E15, E23 e E46. Assim como percebe-se que os efeitos
principais diferentes de zero são a pressão de injeção e
temperatura da máquina (E4 e E6).
Na Figura 3, são ilustradas as variações dos efeitos
principais E1, E2, E3, E4, E5 e E 6, em função dos níveis dos
fatores. Os gráficos confirmam a hipótese de que os fatores
temperatura da máquina e pressão de injeção são os únicos
que produzem efeitos significativos nas respostas do
processo de injeção plástica. Com o objetivo de verificar
se estatisticamente a variação dos resultados experimentais
é significativa no processo de injeção, decidiu-se utilizar
a ferramenta de Análise de Variância (ANOVA). Os resul-
tados da ANOVA para cada uma das características de
qualidade investigadas no experimento são apresentados
na Tabela 5.

Tabela 2 – Experimento fatorial fracionado 26-2.

Tempo Tempo Temperatura Temperatura Velocidade Pressão

Teste
injeção resfriamento molde máquina injeção injeção
Z1: 190°C Z3: 165°C
1 2 6 água industrial 40 18
Z2: 170°C Z4: 160°C
2 10 6 " 100 18
3 2 15 " " 100 30
4 10 15 " " 40 30
5 2 6 água normal " 100 30
6 10 6 " " 40 30
7 2 15 " " 40 18
8 10 15 " " 100 18
Z1: 190°C Z3: 230°C
9 2 6 água industrial 40 30
Z2: 240°C Z4: 220°C
10 10 6 " " 100 30
11 2 15 " " 100 18
12 10 15 " " 40 18
13 2 6 água normal " 100 18
14 10 6 " " 40 18
15 2 15 " " 40 30
16 10 15 " " 100 30
126 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...

A ANOVA para a Falha/Rebarba demonstra com 90%
de confiança que os fatores que influenciam o desempenho
do processo são a temperatura da máquina e a pressão de
injeção. Ao mesmo tempo, verifica-se que a velocidade de
injeção tem efeito significativo médio. Quanto às outras
variáveis, não é possível concluir com segurança quais são
os efeitos principais. Isso porque os resultados demonstram
que há a probabilidade de desprezar os efeitos desses fatores,
visto que podem ser significativos no desempenho do
processo de fabricação.
A análise para a resposta Erros Dimensionais demonstra
que os fatores temperatura da máquina e pressão de injeção
são os que mais produzem efeito significativo. Ao mesmo
tempo, percebe-se que os outros parâmetros não influenciam
o processo de fabricação. Os resultados da ANOVA para a
resposta Deformação Geométrica demonstram que a
temperatura da máquina tem efeito significativo médio e que
a pressão de injeção é o parâmetro mais significativo no
processo de injeção plástica. Assim, pela análise conclui-se
que os efeitos principais dos outros fatores são desprezíveis.

Tabela 3 – Resultados dos experimentos.

Teste Fal. reb. Def. Dim.

1 –10 10 10
2 –10 10 10
3 0,75 4,2 0,95
4 –6 7 6,4
5 2 1,2 1
6 0 1 1
7 –10 10 10
8 –10 10 10
9 8 7,6 3,25
10 7 3 1
11 2,75 4,4 1
12 0,75 5 1
13 5,75 5,3 3,7
14 2 1,6 1
15 6,25 3,4 1
16 8,5 3 1,9

Tabela 4 – Efeitos principais e de interação.

Fatores Fal. reb. Def. Dim.

E1. Tempo injeção –1,66 –0,69 0,18
E2. Tempo resfriamento –1,47 0,91 0,16
Efeitos principais

E3. Temperatura do
1,41 –1,96 –0,50
molde
E4. T. da máquina 10,53 –2,51 –4,44
E5. Velocidade de
1,97 –0,56 –0,51
injeção
E6. Pressão injeção 6,91 –3,24 –3,78
E12 = E35 0,03 1,44 1,41
Efeitos de interação

E13 = E25 0,78 –0,39 –0,63

E14 = E56 0,53 –1,34 –1,19
E15 = E23 = E46 –2,28 3,41 3,89
E16 = E45 –0,22 0,09 0,85
E24 = E36 0,34 –1,34 –1,18
 GESTÃO & PRODUÇÃO, v.11, n.1. p.121-134, jan.-abr. 2004
Figura 2 – Gráficos de probabilidade normal.
Depois de realizar a análise de dados, a próxima etapa
é apresentar e discutir os resultados com a equipe que
acompanha os experimentos. Nessas reuniões, os pesqui-
sadores procuraram demonstrar que o desempenho do pro-
cesso de injeção plástica é influenciado por apenas dois fatores
(temperatura da máquina e pressão de injeção). No entanto,
para os funcionários da empresa, essas informações con-
frontavam-se com as recomendações citadas na ficha técnica
do processo. Em razão desse resultado, e com o intuito de
validar as conclusões retiradas das análises estatísticas, a
equipe decidiu discutir duas propostas, a saber:
1. Um novo experimento poderia ser realizado com o
mesmo número de fatores. Porém, adotando-se esta
estratégia, a análise estatística poderia levar às mesmas
conclusões sobre os parâmetros que influenciam o
desempenho do processo de fabricação.
2. A outra proposta era eliminar um dos fatores expe-
rimentais e planejar a metade de um experimento com-
pleto com cinco fatores, com dois níveis cada um (Fatorial
Fracionado 2 5-1). Nesse experimento pode ser utilizada
a Resolução V. Com esse critério, os efeitos de interação
127
que ocorrem no processo de injeção plástica serão iden-
tificados com mais precisão.
Conforme as estratégias apresentadas e discutidas, a
equipe aprovou a segunda proposta. Assim, decidiu-se excluir
para a próxima rodada de experimentação o fator velocidade
de injeção, visto que a experiência demonstrava que, dentre
os fatores considerados no primeiro experimento, este é o
último parâmetro que os operadores do processo alteram
quando ocorrem problemas de qualidade. A Tabela 6 apre-
senta os novos níveis dos fatores de controle. Eles foram revistos
porque apresentavam uma faixa de variação excessiva e alguns
problemas (obstrução do bico de injeção, o cilindro da máquina
alcançou temperaturas elevadas e o polímero era deteriorado
no cilindro) ocorreram com o primeiro experimento.
Com essas informações foi possível construir um ex-
perimento 25-1 – Resolução V, com 16 rodadas de teste.
Depois de realizar os ensaios, os componentes plásticos
foram avaliados pelos funcionários da empresa. Em seguida,
foram estimados os efeitos principais e de interação dos
fatores de controle e construídos os gráficos de proba-
bilidade normal.
128 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...

Figura 3 – Gráficos de efeitos principais dos fatores.

 GESTÃO & PRODUÇÃO, v.11, n.1. p.121-134, jan.-abr. 2004 129

Tabela 5 – Análise de variância – Fα = 0,1; v1:1; v2:9 = 3,36.

Soma de
Fonte de variação g.l. Quadrado médio F Valor p
quadrados
1. Tempo injeção 10,97 1 10,97 3,06 0,11
2. Tempo resfriamento 8,63 1 8,63 2,40 0,16
3. Temperatura molde 7,91 1 7,91 2,20 0,17
4. Temperatura máquina 443,63 1 443,63 123,55 1,0 EXP-06
5. Velocidade injeção 15,50 1 15,50 4,32 0,07
6. Pressão injeção 190,79 1 190,79 53,13 4,6 EXP-05
Falha/rebarba Erro (ε) 32,32 9 3,59

Soma de
Fonte de variação g.l. Quadrado médio F Valor p
quadrados
1. Tempo injeção 0,12 1 0,12 0,01 0,91
2. Tempo resfriamento 0,11 1 0,11 0,01 0,92
3. Temperatura molde 1,00 1 1,00 0,10 0,76
4. Temperatura máquina 78,77 1 78,77 7,96 0,02
5. Velocidade injeção 1,05 1 1,05 0,11 0,75
6. Pressão injeção 57,00 1 57,00 5,76 0,04
Erros dimensionais Erro (ε) 89,04 9 9,89

Soma de
Fonte de variação g.l. Quadrado médio F Valor p
quadrados
1. Tempo injeção 1,89 1 1,89 0,23 0,64
2. Tempo resfriamento 3,33 1 3,33 0,41 0,54
3. Temperatura molde 15,41 1 15,41 1,91 0,20
4. Temperatura máquina 25,25 1 25,25 3,13 0,11
5. Velocidade injeção 1,27 1 1,27 0,16 0,70
6. Pressão injeção 41,93 1 41,93 5,20 0,05
Deformação geométrica Erro (ε) 72,54 9 8,06

Tabela 6 – Novos níveis dos fatores de controle.

Tempo Tempo Temperatura Pressão
Nível Temperatura máquina
injeção resfriamento molde injeção
Z1: 190°C Z3: 165°C
–1 2 (s) 6 (s) água industrial 18 BAR
Z2: 170°C Z4: 160°C
Z1: 190°C Z3: 210°C
+1 5 (s) 10 (s) água normal 26 BAR
Z2: 220°C Z4: 200°C

As análises estatísticas (ANOVA) realizadas neste expe- 3.4 Otimização do processo de

rimento demonstraram que os efeitos principais e de interação
provocados pelos parâmetros tempo de injeção, tempo de
resfriamento e temperatura do molde não influenciam as
características de qualidade. Por outro lado, os testes indi-
caram e confirmaram que os efeitos principais e de interação
mais importantes são produzidos pelos fatores temperatura
da máquina e pressão de injeção. Para ver os detalhes desse
experimento recomenda-se consultar Galdamez (2002).
injeção plástica
O objetivo principal desta etapa do projeto experimental
é determinar as condições ótimas do processo de moldagem
plástica por injeção. Nessa fase, inicialmente, os pesqui-
sadores apresentaram aos funcionários os conceitos da
Metodologia de Superfície de Resposta (Methodology
Response Surface – MSR).
130 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...
Durante a fase de tomada de decisões, os pesquisadores
e os funcionários perceberam que para ajustar o processo
de fabricação todas as características de qualidade (Falha/
Rebarba, Deformação Geométrica e Erros Dimensionais)
deveriam ser estudadas simultaneamente. O problema de
obter a melhor combinação dos fatores para um conjunto
de características de qualidade foi resolvido com a cons-
trução de uma função resposta, denominada de Soma
Quadrática de Respostas – SQ (Taguchi, 1993). A SQ é uma
combinação dos valores da escala para as três variáveis de
interesse, apresentada pela equação (1).
Yi = (Falha/Rebarba)2 + (Deformação)2 + ...
+ (Dimensional)2 (1)
Com essa função, além de facilitar a interpretação da
análise estatística porque todos os valores da resposta serão
positivos, será possível observar com mais eficiência as
mudanças provocadas por uma das características de quali-
dade investigadas.
Para construir a matriz experimental foi utilizada a
técnica de planejamento fatorial composto central (Myers
& Montgomery, 1995; Montgomery, 1991; Yonchev,
1988). Essa técnica consiste em acrescentar pontos centrais
(X0) e pontos axiais (±α) ao experimento fatorial completo
22, conforme apresentado pela Tabela 7. Nessa matriz de
planejamento são apresentados os níveis de ajustagem dos
fatores de controle em termos de variáveis naturais e
codificadas. Ainda neste experimento, utilizou-se o mesmo
molde do primeiro experimento e cada uma das com-
binações dos fatores de controle foi realizada cinco vezes.
Os resultados do experimento são apresentados pela SQ.
3.4.1 Análise de resultados
Com os resultados desse experimento e aplicando o
método de mínimos quadrados, foi construído um
polinômio de primeira ordem (Montgomery, 1991). A
ANOVA demonstrou que os dois fatores apresentam
efeitos principais e de interação significativos no modelo.
Confirmou ainda a existência de uma curvatura no plano
da superfície de resposta, o que tornou evidente que a
função de aproximação não é linear. Com esses resultados,
os pesquisadores concluíram que o modelo de primeira
ordem não satisfaz as condições de operação das três
variáveis de interesse e, nesse caso, era necessário construir
um novo polinômio de ordem superior. O novo modelo
matemático é representado pela equação (2).
y = 12,35 – 8,45 x1 – 10,14 x2 + 20,8 x21 + 15,2 x22 +...
+ 42,80 x1x2 (2)
sendo que x1 é a temperatura da máquina e x2, a pressão
de injeção.
Na Tabela 8 é apresentada a análise de variância para
esse modelo matemático. O teste F, com nível de signi-
ficância de 1%, aponta que a falta de ajuste do modelo
não é significativa na superfície de resposta. Ainda pelos
resultados, pode-se afirmar que as variáveis independentes
ou de regressão tem efeito significativo na reposta. Por-
tanto, a análise demonstra que o polinômio de segunda
ordem se aproxima das condições ótimas ou reais de
operação do processo de injeção plástica.
Antes de determinar os melhores níveis de regulagem do
processo será realizada uma análise gráfica da superfície de
resposta. Na Figura 4 são apresentados os gráficos dessa
superfície (tridimensional e bidimensional), gerados a partir
do modelo ajustado. Ao examiná-los, observa-se que as
combinações dos parâmetros nos níveis máximos ou mínimos
influenciam fortemente o resultado da função reposta. Por
outro lado, pela forma geométrica da superfície no intervalo
0-25, percebe-se que há alguns pontos próximos às condições
ótimas que minimizam a função reposta.
Essas características dos gráficos levam a descartar a
hipótese de que no espaço formado pelos eixos (x1, x2)
apenas um ponto minimiza a função resposta, mas
determinam que uma análise mais detalhada dos pontos
próximos ao intervalo de resposta (0-25) em todas as
direções é necessária. O método utilizado para resolver o
problema é conhecido como Análise Canônica de Superfície
de Resposta (Myers & Montgomery, 1995; Montgomery,
1991; Box & Draper, 1987; Box & Hunter, 1957; Cochran
& Cox, 1957). O primeiro passo é transformar o modelo
ajustado em um novo sistema de coordenadas (w1 e w2) com
a origem no ponto estacionário. A forma canônica do
modelo é definida pela equação (3).
y = 10,93 – 3,89 w21 + 40,41 w22 (3)
sendo que w1 e w2 representam as variáveis independentes
transformadas.
Na equação (3), observa-se que os sinais das raízes são
opostos. Isto demonstra que o ponto estacionário é um ponto
de sela, conforme é descrito pela Figura 4. Ainda com-
parando os valores das raízes, percebe-se que a pendente
da superfície de resposta na direção w1 tende a ser mais
atenuada. Além disso, nos gráficos de superfície de resposta
nota-se que, quando o processo é regulado a partir de um
ponto na direção w2, as características de qualidade tendem
a piorar. Assim, por conveniência, será considerado nulo
o deslocamento na direção w2.
A resolução do modelo canônico para uma função
resposta otimizada demonstra que as raízes na direção w1
são iguais a ±1,66. Utilizando as equações matemáticas
(equação (4)) que descrevem o relacionamento entre as
variáveis normais (x) e as variáveis modificadas (w), é
determinada a faixa de valores que minimizam a função
resposta, conforme a Tabela 9.
[w1 = –0,664 x1 + 0,746 x2 + 0,27] e
[w2 = 0,747 x1 + 0,664 x2 – 0,21] (4)
 GESTÃO & PRODUÇÃO, v.11, n.1. p.121-134, jan.-abr. 2004 131

Tabela 7 – Planejamento fatorial composto central.

Variáveis codificadas Variáveis naturais

Teste SQ
x1 x2 T. máquina (x1) P. injeção (x2)
Z1: 190°C Z3: 165°C
1 –1 –1 18 135,56
Z2: 170°C Z4: 160°C
2 –1 +1 " 26 19,03
Z1: 190°C Z3: 210°C
3 +1 –1 18 11,07
Z2: 220°C Z4: 200°C
4 +1 +1 " 26 65,75
Z1: 190°C Z3: 187°C
5 0 0 22 2,56
Z2: 195°C Z4: 180°C
6 0 0 " " 16,69
7 0 0 " " 17,13
8 0 0 " " 18,88
9 0 0 " " 6,50
Z1: 190°C Z3: 220°C
10 +1.414 0 22 48,38
Z2: 230°C Z4: 210°C
Z1: 190°C Z3: 155°C
11 –1.414 0 22 41,21
Z2: 160°C Z4: 150°C
Z1: 190°C Z3: 187°C
12 0 +1.414 27 27,88
Z2: 195°C Z4: 180°C
13 0 –1.414 " 16 41,55

Tabela 8 – Análise de variância, Fα = 0,01; v1:3; v2:4 = 16,69.

Soma de Quadrado
Fonte de variação g.l. F
quadrados médio
Regressão 12921,70 5 2584,34 8,75a
Erro 2067,68 7 295,38
Falta de ajuste do modelo 1850,32 3 616,77 11,35
Erro quadrático puro 217,36 4 54,34
Total 14989,39 12
a
Significativo no nível de 1% – Fα=0,01;v1:5; v2:7 = 7,46.

Tabela 9 – Níveis ótimos do processo de fabricação.

Valores codificados
(–0,76, 1,16) (0,32, –0,16) (1,4, –1,3)
Temperatura da Z1: 190°C Z3: 168°C Z1: 190°C Z3: 195°C Z1: 190°C Z3: 223°C
máquina Z2: 176°C Z4: 161°C Z2: 203°C Z4: 188°C Z2: 231°C Z4: 216°C
Pressão de injeção 24 BAR 21 BAR 16 BAR

Tabela 10 – Confirmação do ponto ótimo.

Temperatura da Pressão de Resultado

SQ
máquina injeção Fal./Reb. Def. Dim.
Z1: 190°C Z3: 195°C
21 BAR 0,75 0,6 0,45 1,2
Z2: 203°C Z4: 188°C
132 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...
Figura 4 – Gráficos de superfície de resposta.
Nesta fase final dos ensaios, seria necessário realizar um
experimento de confirmação dos resultados. Porém, consi-
derando-se as normas de segurança que a empresa define
para regular o processo: "...evitar utilizar níveis elevados
de temperatura da máquina porque reduzem a vida útil do
cilindro de deslocamento e alteram as propriedades químicas
do material... por outro lado, as temperaturas baixas não
conseguem aquecer o material e conseqüentemente o atrito
nas paredes do cilindro maior...", recomenda-se que os níveis
máximo e mínimo da faixa de variação devem ser evitados
na regulagem do processo de fabricação. Para validar o ponto
ótimo, foram realizados testes apenas com o ponto inter-
mediário e os resultados são apresentados na Tabela 10.
Nesse experimento, os outros fatores investigados no
projeto continuaram sendo regulados com os mesmos
níveis que a empresa determinou na primeira etapa do
procedimento experimental. Assim, comparando-se o
resultado da função quadrática (SQ) com o resultado do
modelo ajustado (variação próxima de 11), a equipe
responsável por conduzir os experimentos confirma que
tais níveis podem ser definidos como as condições ótimas
do processo de moldagem plástica por injeção.
4. Conclusão
Primeiramente, com o projeto, pôde-se mostrar aos res-
ponsáveis pela engenharia do processo que, diferentemente
do que eles afirmavam, nem todos os fatores de ajustagem
inicialmente considerados afetam a qualidade do resultado
do processo de fabricação. Ou seja, para as faixas de ajustagem
consideradas, apenas dois fatores apresentaram efeito
significativo sobre as características de qualidade do com-
ponente. Para os outros fatores, pode-se afirmar que não há
necessidade de definir um valor específico de ajustagem da
máquina, mas, sim, uma faixa de valores, dentro da qual o
processo terá bom desempenho.
Com a pesquisa experimental, foi possível apresentar uma
metodologia de planejamento de experimentos industriais aos
funcionários de uma empresa. Esse aspecto certamente motiva
as pessoas a desenvolverem os projetos de produtos ou processos
de fabricação com mais eficiência e eficácia. O procedimento
de otimização utilizado para estabelecer as condições ótimas
do processo de injeção plástica foi bastante explorado e descrito
para os funcionários. Os resultados motivaram as pessoas a
utilizarem as ferramentas estatísticas a fim de melhorar a
qualidade de outros produtos e processos de fabricação. Além
 GESTÃO & PRODUÇÃO, v.11, n.1. p.121-134, jan.-abr. 2004
disso, foi possível desenvolver uma pesquisa em que várias
características de qualidade são analisadas simultaneamente.
Isso é importante porque a maioria dos estudos publicados na
literatura de experimentos industriais analisa as respostas indi-
vidualmente.
Ao longo da pesquisa experimental também foram veri-
ficadas algumas dificuldades. A principal está relacionada
à escolha dos fatores de controle investigados com as
técnicas experimentais. Algumas pesquisas realizadas com
o mesmo processo de injeção plástica demonstraram que
outros fatores podem influenciar o desempenho.
Deve-se observar, ainda, que, na fase inicial de expe-
rimentação, a faixa de operação dos parâmetros foi esta-
belecida conforme a experiência dos funcionários. Quando
os ensaios foram realizados com esses níveis, vários
problemas ocorreram com o equipamento de injeção.
Considerando esse ponto e outros aspectos (falta de
Referências Bibliográficas
ACHARYA, U. H.; MAHESH, C. Winning back the customer's
confidence: a case study on the application of design of
experiments to and injection-molding process. Quality
Engineering, v. 3, n. 11, p. 357-363, 1999.
ANTONY, J.; KATE, M.; FRANGOU, A. A strategic metho-
dology to the use of advanced statistical quality improvement
techniques. The TQM Magazine, v. 10, n. 3, p. 169-176, 1998.
BOX, G. E. P.; DRAPER, N. R. Empirical model-building and
response surfaces. New York: Wiley, 1987. (Wiley Series
in Probability and Mathematical Statistics).
BOX, G. E. P.; HUNTER, J. S. Experimental design for the
exploration and exploitation of response surfaces. In:
CHEW, V. Experimental design in industry. New York: John
Wiley & Sons, 1957. p. 138-190.
CHEW, V. Experimental designs industry. New York: John
Wiley & Sons, 1957. p. 1-58.
COCHRAN, W. G.; COX, G. M. Experimental designs. 2. ed.
London: John Wiley, 1957.
COLEMAN, D. E.; MONTGOMERY, D. C. A systematic
approach to planning for a designed industrial experiment.
Technometrics, v. 35, n. 1, p. 1-12, Feb. 1993.
COMINATTO, A. C. Influências das variáveis do ciclo no
produto final. São Paulo: ASTRA S/A Indústria e
Comércio, 1997. (Apostila).
DEVOR, R. E.; CHANG, T.; SUTHERLAND, J. W. Statistical
quality design and control – Contemporary concepts and
methods. New Jersey: Prentice Hall, 1992. p. 503-744.
ENGEL, J.; HUELE, A. F. A generalized linear modeling
approach to robust design. Technometrics, v. 38, n. 4, p.
365-373, 1996.
133
experiência com as técnicas de planejamento e análise de
experimentos e de conhecimento do processo de injeção
plástica), os pesquisadores, com o primeiro experimento,
não conseguiram descobrir com segurança quais fatores
realmente influenciavam as características de qualidade.
Entretanto, pode-se perceber que, pela falta de
procedimentos e técnicas adequadas na definição dos
níveis, o processo de fabricação estava perdendo produti-
vidade, gerando refugo e baixa qualidade e aumentando
os custos de produção. Essas questões demonstram a
necessidade de utilizar as ferramentas estatísticas e realizar
novos experimentos. Finalmente, um resultado bastante
importante deste trabalho foi o de mostrar às pessoas
envolvidas no estudo a validade de analisar cientificamente
o processo de transformação e, com isso, não só fomentar
o uso dessas técnicas na empresa em questão, mas também
promover a aproximação universidade e empresa.
GALDAMEZ, E. V. C. Aplicação das técnicas de planejamento
e análise de experimentos na melhoria da qualidade
industrial de um processo de fabricação de produtos
plásticos. 2002. 133p. Dissertação (Mestrado) – Escola de
Engenharia de São Carlos, São Carlos.
HILL, W. J.; HUNTER, W. G. A review of response surface
methodology: a literature survey. Technometrics, v. 8, n.
4, p. 571-590, 1966.
KRUGLIANSKAS, I. Engenharia simultânea e técnicas asso-
ciadas em empresas tecnologicamente dinâmicas. Revista
de Administração, v. 30, n. 2, p. 25-38, 1995.
MONTGOMERY, D. C. Diseño y análisis de experimentos.
Trad. Jaime Delgado Saldivar. México: Iberoamérica, 1991.
MYERS, R. H.; MONTGOMERY, D. C. Response surface
methodology: process and product optimization using
designed experiments. Canada: John Wiley & Sons, 1995.
STEINBERG, M. D.; HUNTER, W. G. Experimental design:
review and comment. Technometrics, v. 26, n. 2, p. 71-130,
May 1984.
TAGUCHI, G. Taguchi on robust technology development:
bringing quality uspstream by Genichi Taguchi. New York:
ASME, 1993.
O PLÁSTICO invade automóveis e caminhões. Gazeta Mer-
cantil, São Paulo, 6 mar. 2002. Empresas & Carreiras, p.
1-6.
YONCHEV, H. New computer procedures for constructing D-
optimal designs. In: DODGE, Y.; FEDOROV, V. V.;
WYNN, H. P. Optimal design and analysis of experiments.
New York: Elsevier Science Publishers B. V., 1988. p. 71-
95.
134 Galdamez & Carpinetti – Aplicação das Técnicas de Planejamento e Análise de Experimentos...

APPLICATION DESIGN OF EXPERIMENTS IN THE

INJECTION MOLDING PROCESS

Abstract

Industrial experiments are made by companies in order to improve the quality characteristics of products and
production processes. In this sense, the objective of this paper is to study and apply the design of experiments in the
industrial quality improvement. In addition, as a part of the objective, an application of the techniques of design
Fractional Factorial 2k-p, Analysis of Variance and Response Surface Methodology is done. It is focused in an injection
molding process applied by a company, that makes and trades plastic products for the civil construction. Using this
experimental study, the most important parameters of plastic injection are identified: machine temperature and injection
pressure. At the same time, the optimal levels of adjustment of these parameters are determined. From this study, it is
evaluated both the implantation procedures of the designs of experiments as well as the difficulties faced. Also, this
study tries to contribute to the university-company relationship.
Key words: industrial experiments, factorial fractional 2k-p, response surface methodology, injection-molding process.